TPU和GPU集群通信剖析

gordic_aleksa · x · 2026-07-15

这篇博客深入讲解 TPU 和 GPU 集群中的 collective communication 基础：作者表示，若想真正理解 MoE 和 dense transformer 的训练/推理扩展，不应只停留在 FSDP、expert parallelism、data parallelism、model/tensor parallelism 这些上层概念，而要往下看通信原语与集群拓扑。

文章标题就点出主线——“Inside TPU and GPU Clusters: The Anatomy of Collective Communication”。作者提到会覆盖 TPU 集群拓扑（如 superpod、slice 等）以及更底层的通信机制，帮助读者理解大规模训练和推理是如何被支撑起来的。